Influencing Factors of Grain Production Fluctuation in Hunan Province: Analysis and Prediction

doi:10.11924/j.issn.1000-6850.casb20190900631

Abstract

Abstract:

The aim is to provide a theoretical basis for predicting the prospect of grain production, improving the efficiency of grain production and ensuring food security. Using the statistical data of Hunan Province, the grey relational analysis method was used to screen the highly relevant influencing factors and a GM (1, N) prediction model was established to predict the grain production. The most influential factors related to the grain production of Hunan in 2008-2017 are the sowing area of grain crops and the total power of agricultural machinery. The scientific and technological factors are the main factors that affect the grain production, followed by natural and social factors. In 2018-2027, the grain production of Hunan has less fluctuation, and the total power of agricultural machinery and the fiscal agricultural expenditure have a greater impact. The total power of agricultural machinery has an important influence on grain production in the past and next ten years, and it is increasingly dominant. To maintain the level of production, it is necessary to attach great importance to the level of agricultural mechanization and steadily increase the sowing area of grain crops.

Key words: grey relational analysis, GM (1,N) prediction model, grain production, influencing factor, Hunan Province

CLC Number:

Yang Fanyu, Liu Liming, Yuan Chengcheng. Influencing Factors of Grain Production Fluctuation in Hunan Province: Analysis and Prediction[J]. Chinese Agricultural Science Bulletin, 2020, 36(29): 153-160.

Figures/Tables 6

References 25

[1]	石淑芹, 陈佑启, 姚艳敏, 等. 耕地变化对粮食生产能力的影响评价——以吉林中西部地区为例[J]. 资源科学, 2007,29(5):143-149.
[2]	冯颖, 姚顺波, 郭亚军. 基于面板数据的有效灌溉对中国粮食单产的影响[J]. 资源科学, 2012,34(9):1734-1740.
[3]	韦鸿, 王磊. 粮食价格、农民收入对粮食产量影响分析——基于VEC模型的实证[J]. 农业技术经济, 2011(6):76-80.
[4]	马林静, 欧阳金琼, 王雅鹏. 农村劳动力资源变迁对粮食生产效率影响研究[J]. 中国人口·资源与环境, 2014,24(9):103-109.
[5]	姜新. 河南省粮食产量影响因素和预测方法研究[J]. 中国农学通报, 2019,35(1):154-158.
[6]	王树涛, 李新旺, 门明新, 等. 基于改进灰色关联度法的河北省粮食波动影响因素研究[J]. 中国农业科学, 2011,44(1):176-184.
[7]	王曙光, 佘义斌, 陈霞, 等. 江苏省粮食产量影响因素的灰色关联分析[J]. 中国农学通报, 2018,34(13):159-164.
[8]	Borjas G J. Food insecurity and public assistance[J]. Journal of Public Economics, 2004,88(7):1421-1443.
[9]	林志宇, 田贵良. 粮食产量影响因素的动态分析与预测——以福建省1984-2013年数据为例[J]. 湖北农业科学, 2016,55(16):4349-4353.
[10]	李昊儒, 毛丽丽, 梅旭荣, 等. 近30年来中国粮食产量波动影响因素分析[J]. 中国农业资源与区划, 2018,39(10):1-10,16.
[11]	柳芬, 谢世友, 冯欢, 等. 四川省粮食产量影响因素的动态关联分析[J]. 江苏农业科学, 2017,45(10):320-324.
[12]	王凤, 刘艳芳, 孔雪松, 等. 中国县域粮食产量时空演变及影响因素变化[J]. 经济地理, 2018,38(5):142-151.
[13]	周永生, 肖玉欢, 黄润生. 基于多元线性回归的广西粮食产量预测[J]. 南方农业学报, 2011,42(9):1165-1167.
[14]	王春辉, 周生路, 吴绍华, 等. 基于多元线性回归模型和灰色关联分析的江苏省粮食产量预测[J]. 南京师大学报:自然科学版, 2014,37(4):105-109.
[15]	张浩, 王国伟, 苑超, 等. 基于AIGA-BP神经网络的粮食产量预测研究[J]. 中国农机化学报, 2016,37(6):205-209.
[16]	杨月锋, 徐学荣. 福建省粮食产量影响因素主成分分析与产量趋势预测[J]. 南方农业学报, 2014,45(4):697-703.
[17]	马云倩, 郭燕枝, 王秀丽, 等. 基于LASSO与GM(1,N)模型的中国粮食产量预测[J]. 干旱区资源与环境, 2018,32(7):30-35.
[18]	马莉, 冯凤, 宋佃星. 1995-2014年陕西省粮食产量变化特征及影响因素分析[J]. 陕西农业科学, 2016,62(11):107-110.
[19]	杨建波, 王莉, 宋富强, 等. 粮食主产区耕地质量影响因素与粮食产能关系分析[J]. 中国农业资源与区划, 2017,38(9):15-22.
[20]	王秋京, 马国忠, 李宇光, 等. 黑龙江省主要农业气象灾害特征及其对粮食产量影响的灰色关联分析[J]. 南方农业学报, 2015,46(5):823-827.
[21]	孟凡琳, 王娜, 李炳军. 基于灰色关联分析的河南省粮食安全影响因素双层诊断[J]. 河南农业大学学报, 2015,49(3):411-416.
[22]	丁欣, 杨洛新. 基于扩展C-D生产函数的安徽省粮食产量影响因素分析[J]. 粮食科技与经济, 2016,41(4):11-13,26.
[23]	Liu Y, Wang X. Technological progress and Chinese agricultural growth in the 1990s[J]. China Economic Review, 2005,16(4):425-440.
[24]	Carter C, Chen J, Chu B J. Agricultural Productivity Growth In China: Farm Level Versus National Measurement[J]. Working Papers, 2003,14(2):53-71.
[25]	刘思峰, 谢乃明. 灰色系统理论及其应用[M]. 北京: 科学出版社, 2013: 48-65.

	类别	定义	变量	含义
参考数据		X₀	粮食产量（万t）	（湖南省）粮食作物产量
比较数据	自然因素	X₁	有效灌溉面积（万hm²）	正常条件下能够灌溉的耕地面积
		X₂	粮食作物播种面积（万hm²）	当年实际播种的粮食作物
		X₃	成灾面积（万hm²）	农业生产中受到自然灾害损害3成以上的播种面积
	科技因素	X₄	农业机械总动力(万kw)	用于农林牧渔业的各种动力机械的动力总和
		X₅	化肥施用量（万t）	实际用于农业生产的化肥数量
		X₆	农用薄膜使用量（万t）	实际用于农业生产的薄膜数量
		X₇	农药使用量（万t）	实际用于农业生产的农药数量
		X₈	财政农业支出（亿元）	财政支出中用于下农业的部分
	社会因素	X₉	复种指数（%）	年内在同一耕地面积上种植农作物的平均次数,农作物总播种面积/耕地面积
		X₁₀	耕地产出率（%）	单位耕地面积上的农业总产值,农作物总产值/耕地面积
		X₁₁	农村用电量（亿kwh）	农业生产中的总加工用电量
		X₁₂	农村劳动力（万人）	农村人口经常参加社会劳动的人数

	类别	定义	变量	含义
参考数据		X₀	粮食产量（万t）	（湖南省）粮食作物产量
比较数据	自然因素	X₁	有效灌溉面积（万hm²）	正常条件下能够灌溉的耕地面积
		X₂	粮食作物播种面积（万hm²）	当年实际播种的粮食作物
		X₃	成灾面积（万hm²）	农业生产中受到自然灾害损害3成以上的播种面积
	科技因素	X₄	农业机械总动力(万kw)	用于农林牧渔业的各种动力机械的动力总和
		X₅	化肥施用量（万t）	实际用于农业生产的化肥数量
		X₆	农用薄膜使用量（万t）	实际用于农业生产的薄膜数量
		X₇	农药使用量（万t）	实际用于农业生产的农药数量
		X₈	财政农业支出（亿元）	财政支出中用于下农业的部分
	社会因素	X₉	复种指数（%）	年内在同一耕地面积上种植农作物的平均次数,农作物总播种面积/耕地面积
		X₁₀	耕地产出率（%）	单位耕地面积上的农业总产值,农作物总产值/耕地面积
		X₁₁	农村用电量（亿kwh）	农业生产中的总加工用电量
		X₁₂	农村劳动力（万人）	农村人口经常参加社会劳动的人数

类别	影响因子	关联度r	类别排序	总排序
自然因素	有效灌溉面积	0.9647	2	4
	粮食作物播种面积	0.9865	1	1
	成灾面积	0.7956	3	12
科技因素	农业机械总动力	0.9749	1	2
	化肥施用量	0.9405	4	7
	农用薄膜使用量	0.9399	5	8
	农药使用量	0.9511	3	6
	财政农业支出	0.9721	2	3
社会因素	复种指数	0.9605	1	5
	耕地产出率	0.8553	4	11
	农村用电量	0.8743	2	9
	农村劳动力	0.8622	3	10

类别	影响因子	关联度r	类别排序	总排序
自然因素	有效灌溉面积	0.9647	2	4
	粮食作物播种面积	0.9865	1	1
	成灾面积	0.7956	3	12
科技因素	农业机械总动力	0.9749	1	2
	化肥施用量	0.9405	4	7
	农用薄膜使用量	0.9399	5	8
	农药使用量	0.9511	3	6
	财政农业支出	0.9721	2	3
社会因素	复种指数	0.9605	1	5
	耕地产出率	0.8553	4	11
	农村用电量	0.8743	2	9
	农村劳动力	0.8622	3	10

	2008	2009	2010	2011	2012	2013	2014	2015	2016	2017
实际值	2822.20	2928.80	2881.60	2983.60	3061.90	2989.50	3078.90	3094.20	3052.30	3073.60
预测值	2822.2	2928.69	2905.63	2934.78	3012.63	3015.5	3029.54	3048.69	3051.77	3078.89
相对误差	0	0.11	-24.03	48.82	49.27	-26	49.36	45.51	0.53	-5.29
绝对误差	0.00%	0.00%	-0.83%	1.64%	1.61%	-0.87%	1.60%	1.47%	0.02%	-0.17%